已验证来源
每个故事都链接到最有力的可用证据：可用的原始来源，否则明确归因的报告。
简单的英语
发生了什么、为什么重要以及值得关注的内容——无需行话。
无填料
当信号很弱时，我们不会发布任何内容，而是填充提要。
更多故事
9 故事创新
TrustDABench 发现大语言模型经常产生不受支持的结构化数据分析
一项新的基准报告称，当电子表格和表格发生更改时，八种大型语言模型经常无法检测到相互冲突的证据或保留正确的分析。arxiv.org创新
研究发现自动生成的创造力评分可能与人类对大语言模型故事的评价存在差异
一项新的 arXiv 预印本报告称，自动化指标和大语言模型裁判往往无法与人类对短篇小说创造力的评估相匹配，裁判会系统性地偏爱人工智能生成的写作风格。arxiv.org创新
预印本发现，人工智能辅助的测试题筛选可以改变专家的审查内容
一项 arXiv 预印本报告称，表示法、结构化筛选和排名选择会显著改变哪些由人工智能生成的大五人格测验题能够进入心理测量学家的审查环节，即便整体汇总看起来很稳定。arxiv.org创新
预印本称学生参与度应重塑课堂对话大语言模型测量指标的验证方式
一项预印本报告称，四名多语种八年级学生对大语言模型对其数学讨论的分类提出了质疑，认为成人标注和标准分数可能会忽略学生自己的理解。arxiv.org创新
检索记忆缩小了语言模型在罕见句法模式上的差距
一项新的 arXiv 研究报告称，赋予语言模型访问存储示例的权限可以提高其对涉及罕见词汇的句法对比的敏感度，尽管差距并未完全消除。arxiv.org安全
研究发现本地编程大语言模型可能会幻觉出产生垃圾抢注风险的软件包名称
一项 arXiv 研究提出了一种用于本地编程语言模型中软件包名称幻觉的双层检测器，据报告，在常规提示词下幻觉率为 0–10%，而在对抗性垃圾抢注提示词下则上升至 40–73%。arxiv.org创新
AgentSpec 提出针对大语言模型智能体的更快批处理推理方法
一项新的 arXiv 论文介绍了 AgentSpec，这是一种推测解码方法，旨在减少大语言模型智能体在大批量运行时的响应时间延迟。作者在 vLLM 中对来自四个大语言模型系列的四个模型以及五种工作负载进行了评估。arxiv.org安全
预印本提出超越线性探针的几何方法来检测欺骗性人工智能行为
一项新的 arXiv 预印本提出通过测量模型推理的几何形态来识别传统线性探针可能会漏掉的欺骗性行为。arxiv.org创新
MC-CXR 基准测试发现误导性上下文可以推翻视觉语言模型的胸部 X 光片判断
一项新的基准测试报告称，视觉语言模型在接收到冲突的文本或既往图像上下文后，经常会改变原本正确的胸部 X 光片答案，其中误导性文本比误导性视觉上下文产生的影响力更强。arxiv.org